Einführung in Python

Python ist eine vielseitige Programmiersprache, die neben klassischer Softwareentwicklung u. A. auch für die Analyse quantitativer Datensätze eingesetzt werden kann. Die Arbeit mit Python basiert auf Objekten (z. B. ein Datensatz oder eine Variable daraus) mit denen wir mithilfe von Funktionen und Methoden interagieren. Oft werden zusätzlich zur Basis-Installation von Python weitere Funktionen benötigt. Dafür lassen sich weitere Module installieren, die in der Regel zu Paketen zusammengefasst sind. Python folgt einer simplen Syntax, die es erlaubt, Schritte sukzessive aufeinander aufzubauen.

In diesem Artikel betrachten wir, wie Python zur Bearbeitung und Analyse statistischer Datensätze eingesetzt werden kann.

Die aktuelle Python-Version kann für alle kompatiblen Systeme auf https://www.python.org/downloads heruntergeladen werden.

Windows

Für die Installation von Python auf Windows kann der Python install manager unter https://www.python.org/downloads heruntergeladen werden. Nach Ausführen der Datei öffnet sich ein Fenster, in dem Sie die Installation starten können. Anschließend wird ein Terminal geöffnet, in dem während der Installation noch einige Abfragen erfolgen.

The global shortcuts directory is not configured.

Configuring this enables commands like python3.14.exe to run from your terminal, but is not needed for the python or py commands (for example, py -V:3.14).

We can add the directory (C:\Users\...\AppData\Local\Python\bin*) to PATH now, but you will need to restart your terminal to use it. The entry will be removed if you run py uninstall --purge, or else you can remove it manually when uninstalling Python. Add commands directory to your PATH now? [y/N]

Diese Abfrage ermöglicht es, einen Ordner der Python-Installation als Path-Umgebungsvariable anzulegen, um alle Python-Befehle direkt aus der Windows Eingabeaufforderung oder Windows PowerShell nutzen zu können. Da Python wie beschrieben bereits mit den Befehlen python und py angesprochen werden kann, ist dies optional. Grundsätzlich schadet es natürlich nicht, alle Schreibweisen zur Verfügung zu haben, da Tutorials und Dokumentationen teilweise unterschiedliche Versionen verwenden. Um die Option zu nutzen, geben Sie ein "y" in das Terminal ein und bestätigen Sie mit Enter. Abgelehnt wird die Option mit einem "n".

You do not have the latest Python runtime.

Install the current latest version of CPython? If not, you can use 'py install default' later to install.

Install CPython now? [Y/n]

CPython ist die Standard-Implementierung von Python und fungiert als "Interpreter". Das heißt, CPython ist nötig um Python-Skripte auszuführen und den Paket-Manager "pip" zu nutzen. Deshalb sollten Sie CPython installieren.

Linux

Bei vielen Linux-Distributionen ist Python bereits vorinstalliert. Um zu überprüfen, ob eine Python-Installation vorliegt, öffnen Sie ein Terminal und geben folgenden Befehl ein:

python3 -V

Wenn als Ausgabe eine Python-Version angezeigt wird, ist Python bereits installiert. Als nächstes müssen wir überprüfen ob Pythons Paket-Installer "pip" installiert ist:

python3 -m pip --version

Wird eine Version von pip angezeigt, ist die Installation vollständig. Erfolgt stattdessen ein Output wie "No module named pip", installieren Sie pip mithilfe des Paket-Managers Ihrer Distribution. Nutzen Sie dazu die Dokumentation der Distribution. Für Debian-basierte Distributionen, die "apt" nutzen, sieht der Befehl so aus:

sudo apt update
sudo apt install python3-pip

Falls Python nicht installiert ist, folgen Sie ebenfalls der Dokumentation der Distribution und installieren Python mit dem jeweiligen Paket-Manager. Für Debian-basierte Distributionen funktioniert es so:

sudo apt update
sudo apt install python3 python3-pip

Auf diese Weise wird die aktuelle Python-Version sowie Pythons Paket-Installer "pip" installiert.

macOS

Die Python-Versionen mit macOS Installer finden sich unter https://www.python.org/downloads/macos/. Dort kann direkt der Installer für die aktuelle Version heruntergeladen werden. Alternativ befindet sich dieser auf der Seite der aktuellen Python-Version im Bereich "Files". Nach Ausführen des Installers ist Python installiert und kann im Terminal mit dem Befehl python3 angesprochen werden.

Installation mit Anaconda

Python kann auch im Rahmen der Anaconda Distribution heruntergeladen werden: https://www.anaconda.com/download

Anaconda bietet viele Python-Pakete als eigene Conda-Pakete an, die in einer graphischen Nutzeroberfläche angewählt werden können. Zusätzlich sind die IDEs JupyterNotebook, JupyterLab und Spyder im Installer enthalten, sodass keine separate IDE installiert werden muss. Auch weitere IDEs wie PyCharm und RStudio können im Anaconda Navigator per Klick installiert werden.

Der Anaconda Navigator läuft technisch allerdings etwas schwerfällig. Für NutzerInnen, denen eine flüssige Experience wichtig ist, empfiehlt sich eine Python-Installation auf dem Standardweg in Kombination mit einer IDE.

Windows

Falls Sie unter Windows per Terminal auf Anaconda (z.B. Installation von Paketen) oder Python (z.B. Ausführung von Skripten) mit Befehlen zugreifen wollen, müssen Sie bei der Installation die entsprechende Option, eine PATH-Variable anzulegen, auswählen.

Nach der Installation kann im Anaconda Navigator JupyterLab gestartet werden, das sich im Browser öffnet.

Linux

Der Linux-Installer wird als Shell-Skript heruntergeladen und muss anschließend ausgeführt werden. Öffnen Sie dafür ein Terminal und manövrieren mit cd in den Ordner, der das Skript enthält (wir zeigen es am Beispiel des Download-Ordners). Nutzen Sie dann den Befehl bash und den vollständigen Datei-Namen des Skripts:

cd /home/user/Downloads/
bash <DATEINAME>.sh

Nach der Installation kann der Anaconda-Navigator im Terminal gestartet werden:

anaconda-navigator

macOS

Der macOS-Installer kann ohne Besonderheiten ausgeführt und durchlaufen werden.

Für spezifische Aufgaben (wie z.B. die Datenanalyse) werden oft Werkzeuge benötigt, die über den Funktionsumfang der Basis-Python-Installation hinausgehen. Dafür brauchen wir weitere Module, die in der Regel zu Paketen zusammengefasst sind. Pakete können jederzeit zusätzlich installiert werden um über weitere benötigte Funktionen, Klassen etc. zu verfügen. Um die Funktionen nutzen zu können, müssen in jeder Python-Session die entsprechenden Pakete importiert werden. Das gilt für zusätzlich installierte Pakete, aber auch für einige Pakete, die zum Basisumfang von Python dazugehören, aber dennoch importiert werden müssen (siehe z.B. das Paket os im Beispiel unten).

Installation mit Pip

Python verwendet einen separates Programm namens Pip als Paket-Installer. Hinweise zur Installation finden Sie im Abschnitt "Installation von Python". Die meisten Installationen enthalten Pip aber automatisch. Im Terminal können damit Pakete mit dem Befehl pip install installiert werden:

pip install <PAKETNAME>

Dieser Befehl ist nicht immer abrufbar, unter Windows muss Pip z.B. als Path-Umgebungsvariable angelegt sein. Pip lässt sich aber alternativ auch über python, py oder python3 ansprechen, z.B. mit python -m pip install:

python -m pip install <PAKETNAME>

Installation via Skript

In unserer IDE können wir Pakete auch in einem Skript installieren. Dazu muss das Paket "os" importiert werden, das mit dem Betriebssystem des Geräts kommuniziert. Mit der Funktion os.system() installieren wir Pakete:

In [1]: import os
In [2]: os.system("pip install <PAKETNAME>")

Pakete installieren mit Anaconda

Falls Sie Python mit einer Anaconda-Installation verwenden, stehen viele Python-Pakete als eigene Conda-Pakete zur Verfügung, die wiefolgt installiert werden können:

Installation im Anaconda Navigator: Conda-Pakete können im Anaconda Navigator im Bereich Environments für die jeweiligen Umgebungen an- und abgewählt werden.

Installation im Terminal: In einem Terminal können Conda-Pakete mit dem Befehl conda install <PAKETNAME> installiert werden.

Hinweis: nicht alle Python-Pakete sind als Conda-Paket verfügbar. Sollten Sie ein Paket benötigen, welches darunter fällt, können Sie Pythons Standard-Vorgehensweisen zur Paket-Installation nutzen, wie im direkten Vorlauf dieses Abschnitts beschrieben.

Python ist eine objektorientierte Programmiersprache. Einzelne Werte, ganze DataFrames, selbst Grafiken, sind Objekte. Solchen Objekten können wir Namen zuweisen, um sie abzuspeichern, bzw. zukünftig leicht auf sie zugreifen zu können:

In [1]: a = 1
In [2]: b = 2.5
In [3]: c = "Nein"

Wenn wir die Variable ansteuern, wird der gespeicherte Wert ausgegeben:

In [4]: a
Out[4]: 1

In [5]: b
Out[5]: 2.5

In [6]: c
Out[6]: 'Nein'

Listen, Tupel und Dictionaries

Manche Objekte können mehr als einen Wert enthalten. Listen werden mit eckigen Klammern erstellt:

In [10]: zahlen = [1, 2, 3, 4]
In [10]: farben = ["blau", "rot", "grün"]

In [11]: zahlen
Out[11]: [1, 2, 3, 4]

Einzelne Werte aus einer Liste können durch das hinzufügen des jeweiligen Index abgerufen werden. Achtung: Python beginnt Indizes immer bei 0 statt 1. Der erste Wert hat also den Index 0, von dortaus wird weitergezählt:

In [12]: farben[1]
Out[12]: 'rot'

Tupel enthalten ebenfalls mehrere Werte und werden mit runden Klammern gebildet. Im Unterschied zu Listen sind Tupel unveränderlich, also z.B. zum Speichern von Konstanten geeignet:

In [17]: person1 = ("Max", "Mustermann", 1975)
In [18]: person1
Out[18]: ('Max', 'Mustermann', 1975)

Dictionaries speichern Werte in Paaren, bestehend aus einem Schlüssel (key) und einem Wert (value). Im Prinzip können wir uns ein Dictionary wie eine Sammlung aus Variablen vorstellen.

In [19]: person2 = {"vorname" : "Sahra",
                    "nachname" : "Musterperson",
                    "geburtsjahr" : 1980}

In [20]: person2
Out[20]: {'vorname': 'Sahra', 'nachname': 'Musterperson', 'geburtsjahr': 1980}

Mithilfe der Schlüssel können wir einzelen Werte abrufen:

In [21]: person2["geburtsjahr"]
Out[21]: 1980

In Python ist jeder Datentyp über eine eigene Klasse definiert. In der Definition einer Klasse ist festgelegt welche Informationen für Daten dieses Typs vorliegen müssen (am Beispiel einer Zeichenkette: Welches Zeichen steht an erster, zweiter, dritter, ... Stelle? Welche Zeichenkodierung wird verwendet?). Zusätzlich gehören zu einer Objektklasse in Python aber immer auch spezifische Funktionen, die Methoden genannt werden. Je nach Klasse (also Datentyp) haben wir bestimmte Operationen für unsere Objekte zur Verfügung. Methoden werden immer an die Bezeichnung eines Objekts, also die Variable angehangen. Das zeigen wir jetzt am Beispiel einer Liste. Die Methoden von bestimmten Klassen können Sie auf diversen Informationsseiten finden.

Listen: https://www.w3schools.com/python/python_lists_methods.asp

Strings: https://www.geeksforgeeks.org/python/python-string-methods/

Dictionaries: https://www.datacamp.com/tutorial/python-dictionary-methods

Nachdem wir die Liste angelegt haben, können wir z.B. mit der Methode .append() einen weiteren Eintrag hinzufügen:

In [1]: zahlen = [1, 2, 3, 4]
In [2]: zahlen.append(5)
In [3]: zahlen
Out[3]: [1, 2, 3, 4, 5]

Mit der Methode .remove() können wir einen Wert aus der Liste entfernen:

In [4]: zahlen.remove(2)
In [5]: zahlen
Out[5]: [1, 3, 4, 5]

Die Methode .index() gibt den Index eines Werts in der Liste aus:

In [6]: zahlen.index(3)
Out[6]: 1

Die 3 befindet sich an der zweiten Stelle (da die Zählung bei 0 beginnt). Mit der Methode .insert() können wir einen Wert an eine spezifische Position hinzufügen. In der Methode spezifizieren wir erst den Index und dann das Objekt:

In [7]: zahlen.insert(1, 2)
In [8]: zahlen
Out[8]: [1, 2, 3, 4, 5]

An Index 1 (2. Position) steht jetzt wieder eine 2. Mit der Methode .reverse() kann die Reihenfolge der Liste umgedreht werden:

In [9]: zahlen.reverse()
In [10]: zahlen
Out[10]: [5, 4, 3, 2, 1]

Das Paket "pandas" kann Datensätze einlesen und ein Dataframe erstellen, dass wir unter einem selbstgewählten Namen speichern können. In der entsprechenden Funktion muss der Dateipfad zum Datensatz angegeben werden. Wir zeigen das hier beispielhaft für CSV-, SAV-, DTA-, und Excel-Dateien:

In [1]: dat_csv = pd.read_csv(r"C:\... Pfad ...\dat.csv")
In [2]: dat_sav = pd.read_spss(r"C:\... Pfad ...\dat.sav") 
In [3]: dat_dta = pd.read_stata(r"C:\... Pfad ...\dat.dta")
In [4]: dat_excel = pd.read_excel(r"C:\... Pfad ...\dat.xlsx")

Das eingesetzte "r" vor dem Dateipfad sorgt dafür, dass die Zeichenkette als "raw string" behandelt wird. Das verhindert das die "\"-Zeichen, wie sie Windows in Dateipfaden nutzt, als escape-Zeichen interpretiert werden und die Bedeutung des Strings ändern.